基于神经网络的轮廓误差控制仿真研究

运动控制系统不同轴的动态特性的差异是造成系统轮廓误差较大的主要原因。为系统每个轴设计一个高性能的前馈补偿器，可以改善每个轴的动态特性，使不同轴相互匹配，从而残小系统的轮廓误差。由于前馈补偿器的传递函数通常具有二阶或二阶以上微分环节，物理实现较困难，本文利用神经网络辨识系统的控制对象逆模型作为前馈补偿器，很好地解决了该问题；而利用在遗传算法中加入BP算法形成的混合遗传算法作为神经网络的训练算法，此算法具有收敛速度快，不易陷入局部权小的特点。     

火电单元机组智能控制系统

提出了一个实现大范围负荷跟踪的火电单元机组智能控制系统．该系统包括设定值调节器、神经网络模糊前馈控制器、模糊反馈控制器和单元机组．设定值调节器根据机组负荷指令提供设定值．前馈控制器采用神经网络模糊控制逼近单元机组的逆稳态特性而得到前馈控制信号，以实现单元机组的大范围运行．反馈控制器则采用模糊控制补偿负荷扰动所引起的单元机组的实际值与设定值的偏差．前馈控制信号与反馈控制信号相加后发出指令到单元机组完成负荷跟踪任务．仿真结果表明，该系统有较好的动态特性，能适应于机组大范围的负荷跟踪．     

结构智能半主动控制系统仿真设计

通过在电液伺服材料性能实验机MTS机上进行磁流变阻尼器动态特性神经网络辨识试验，建立了MR阻尼器的神经网络逆动态特性模型。通过离线训练设计了结构的神经网络辨识器、控制器模型，并提出了MR阻尼器神经网络半主动控制方案。将所建的MR阻尼器的神经网络逆动态模型、结构的神经网络辨识器模型、以及神经网络控制器模型用于结构的神经网络半主动控制并进行仿真，结果表明所建模型及控制方案能够有效降低结构的振动响应，同时最大限度地发挥MR阻尼器的动态特性。     

一种自适应CMAC神经网络控制器的设计与仿真

为了消除常规前馈型CMAC神经网络控制器的过学习和振荡现象，基于常规CMAC的基础上，提出了一种自适应CMAC神经网络的控制器结构。该控制器以系统动态误差和给定信号量作为CMAC的激励信号，并与自适应神经网络控制器相并联构成系统的复合控制。仿真实例表明，提出的自适应CMAC神经网络控制器具有良好的鲁棒性、抗干扰能力和自适应能力，是解决非线性和不确定性对象控制问题的一种简便有效的控制算法。     

基于敏捷性导弹逆动态的神经网络控制方法与仿真研究

给出了一种基于敏捷性导弹逆动态的神经网络控制方案。该方案由两个神经网络组成：第一个神经网络（NNI）用来离线的学习整个飞行包线内导弹动态特性的逆特性，以实现系统的线性化；由于敏捷性导弹在大迎角状态下具有高度的非线性特性和气动参数突变等未建模动态，因此引入第二个神经网络（NN2）来在线的补偿NNI的逆误差。在线学习的权值调整由Lyapunov理论得出，保证了闭环系统的稳定性。该控制方案对参数变化及未建模动态等具有良好的鲁棒性。将其应用于敏捷性导弹的控制中，数字仿真结果表明该控制方案有效。     

加入预测信息的反馈误差学习模型及其仿真研究

针对非线性平衡控制问题，提出了一种加入预测信息的反馈误差学习（P-FEL）模型，该模型使用系统状态预测信息和反馈控制器的输出信号共同构成前馈神经网络控制器的教师信号，使用在线BP算法保证运动控制和运动学习同步进行。将P-FEL模型应用于倒立摆平衡控制的仿真实验结果表明，P-FEL模型可以有效地减少前馈神经网络控制器对反馈控制器参数的依赖性，同时还具有良好的平衡控制性能和鲁棒性。     

基于动态模糊神经网络的飞行仿真模拟转台控制

给出了一种新型的动态模糊神经网络及其详细的推理过程和参数迭代算法，并应用于高精度飞行仿真模拟转台控制，控制方法结合了神经网络、模糊推理和动态反馈控制的优点，结构简单、收敛速度快、实时性好。实际控制效果表明该控制方法比PID 前馈控制具有更好的控制性能，并且具有更强的抗干扰能力和鲁棒性。     

压电陶瓷回环特性的RBF神经网络建模研究

压电陶瓷的输入输出特性表现为非线性多值对应关系，直接采用只能逼近任意单值对应函数的前馈神经网络是无法描述压电陶瓷回环特性的，该文提出在二维输入输出空间中增加时间轴，构成三维空间，使压电陶瓷的输入输出特性变为单值对应关系。采用多输入单输出的RBF神经网络实现对迟滞回环特性的描述，其仿真结果表明该建模方法是有效的，并具有较高的精度。     

关于前馈神经网络的激活函数与认知能力

讨论了目前前馈神经网络研究中存在的一些问题 ,给出了前馈神经网络的一种数学框架。在这种框架下 ,提出了网络神经元激活函数的选取原则 ,给出了前馈神经网络认知能力的概念 ,证明了静态前馈神经网络的认知能力是有限的。指出了网络的认知能力与激活函数、隐层神经元个数的选取都有关 ,并提出了隐层神经元个数的选取原则。最后 ,给出了前馈神经网络泛化能力的概念 ,指出前馈网络的泛化能力是有条件的。     

基于回归神经网络的滑模跟踪器设计

基于回归神经网络的在线辨识 ,为实现非线性系统自适应控制提供了一种很有应有前景的方法。本文基于具有线性输入特性的神经网络 ,提出了使系统辨识误差具有指数收敛特性的学习算法。为了得到尽可能普遍的控制律 ,本文运用滑模技术设计出控制信号 ,用其补偿神经网络模型与非线性系统之间的匹配误差。以此为基础 ,提出一种新的基于回归神经网络的间接自适应控制方案。仿真结果表明 ,本控制方案具有较好的跟踪性能     

一种新型电动三轴飞行仿真转台的研究

本文介绍一种新型电动三轴飞行仿真转台的设计技术及其主要性能。该转台采用微机实时控制，力矩电机直接驱动，高灵敏度测速机和高分辨度光电编码器反馈。在控制方案中除了采用三环反馈控制和前馈补偿控制之外，还引入先进的智能控制策略，从而显著地提高了系统性能。该转台可以满足多种类型飞机、导弹飞控系统仿真试验要求     

基于前馈及反馈补偿的高性能直线伺服系统

数控机床用直线电动机在工作过程中,推力波动、负载扰动和非线性摩擦等各种扰动因素降低了直线伺服的性能。为抑制扰动满足数控机床直线伺服系统速度跟踪性能的要求,在分析永磁直线同步电动机数学模型和各种扰动因素的基础上,引入具有动态递归特性的Elman神经网络,设计出具有前馈及反馈综合补偿效果的复合控制器,不仅可以对各种扰动进行反馈补偿,而且对速度给定信号进行预测前馈补偿控制,提高了直线伺服系统的跟踪精度和响应速度,仿真结果验证了Elman神经网络的动态性能及综合补偿的优点,表明了复合控制方案的有效性和可行性。

Abstract：

Disturbance variations,such as force ripple,load disturbance and nonlinear friction,directly impose on the motor shaft,leading to significant effect on the computer numerical control （CNC） machine tool servo system performance.In order to satisfy the requirements for speed command tracking performance and eliminate the influence of disturbance,on the bases of the analyzing the mathematics model of permanent magnet linear synchronous motor （PMLSM） and disturbance variation,Elman dynamic recurrent Neural Network was introduced and compound controller with feedforward and feedback comprehensive compensation was proposed.The disturbances were compensated by feedback component and reference speed input signal was preview controlled by feedforward component.The tracking performance and respect speed of linear server system were improved.The advantages of the comprehensive compensation and dynamic of Elman NN were proved.The simulation results show that this compound control scheme is feasible and effective.     

半实物仿真中的期望频率特性控制研究

根据半实物仿真系统中期望输出预知的特点,讨论了相应的离散控制问题。首先提出了给定带宽的零相位滞后离散模型,对不可抵销零点的补偿方法进行了研究,并按该模型设计了相应的利用未来信号的前馈控制器。根据该方法可以获得近似的理想闭环模型。     

A Fuzzy-Neural Network Control of Nonlinear Dynamic Systems

1.INTRODUCTIONInrealfile,therearemanyprocessesthataretoocomplex,highlynonlinear,uncertaininparametersanddisturbances,itissodifficulttogettheaccuratemathematicalmodel-basedtraditionalcontroldesignmethodologiescannotbeemployedeffectively,fuzzylogicandneuralnetworkprovideeffectiveapproachfordealingwiththeuncertaintyandnonlinearity,andhavebeenappliedtotherealmofmodeling,identificationandcontrolofnonlinearsystemsinrecentyears[1-4].Aclassofneuralnetworks,thefeed-forwardnetworks,havebeenproventob…     

捷联式天线平台数字稳定技术及仿真研究

针对弹载捷联式天线平台的视线稳定问题，提出了补偿与反馈控制相结合的方法。通过分析，给出了捷联式稳定的数字实现方法，并考虑实际系统中陀螺非线性、测量噪声和加速度敏感度等因素的影响，对平台稳定性能进行了仿真研究。结果表明：该方法能够使弹体扰动造成的误差明显减小，在一定的测量噪声和加速度敏感度范围内，算法能有效隔离弹体扰动。     

Traffic control based on dahlin algorithm and neural network prediction in TAM networks

The propagation delay in networks has a great adverse effect on rate-based traffic control. This paper proposes the composite control based on Dab lin algorithm feedback control and neural network feedforward predictive compensation online for ABR (available bit rate) communication in ATM (asynchronous transfer mode) networks, which can overcome the adverse effect caused by the delay on the control rapidity and stability better. The theoretical analysis and simulation research show that the scheme can make sources respond to the changes of network status rapidly, avoid the congestion effectively and utilize the bandwidth sufficiently. Compared with PID (proportional-integral-derivative) control, cell loss rate is much lower, link utilization rate is much higher, and required buffer capacity is much smaller.     

Feedforward and feedback optimal control for linear time-varying systems with persistent disturbances

1 .INTRODUCTIONIn nature ,there are various external disturbancesaffecting the performances of systems . Many con-trol problemsinvolve designing a controller capableof stabilizing a given linear system while mini mi-zing the worst-case response to some additive dis-turbances . This problemis relevant to disturbancerejection and cancellation. One application area ofinterest is flight control through wind shear ,where disturbances arise from a modal for windshear based on harmonic oscillati…     

基于粗糙集理论与进化计算的时滞系统Smith控制

Smith预估器是一种有效的大纯滞后补偿控制方法,但对模型的依赖性限制了它在工程实际中的应用。针对被控对象的纯时滞时间的不确定性和系统存在扰动的情形,将基于粗糙集的进化计算与Smith预估器的控制方法相结合,给出了一种在线调整时滞时间和利用前馈进行扰动补偿的自适应控制方法,即通过对反馈误差的在线优化适应性地调整Smith预估器的时滞时间常数和对扰动进行补偿。仿真结果表明了给出方法的有效性。     

带有持续扰动的线性系统的前馈-反馈最优控制

研究具有已知动态特性但未知初始条件的持续外界扰动作用下线性系统的前馈-反馈最优控制问题。利用求解Riccati方程和矩阵方程推导出前馈．反馈最优控制律。给出了前馈-反馈最优控制律的存在唯一性条件，并提出了最优控制律的实现算法。仿真结果表明，该方法易于实现且抑制外部持续扰动的鲁棒性优于经典反馈最优控制。     

基于广义预测的非线性解耦PID控制

针对一类非线性多变量离散时间动态系统,提出了基于神经网络的非线性多变量PID解耦控制方法。该控制器是由常规PID控制器与解耦补偿器、未建模动态前馈补偿器组成,而PID参数的整定是通过广义预测的方法实现的。同时给出了该控制方法的闭环系统的稳定性和收敛性分析。最后通过仿真实例验证了所提方法的有效性和可行性。